目前我和我的三个朋友正在研究一个项目，根据特定图像中的对象生成图像描述（当图像被赋予系统时，必须根据对象和关系生成新的描述。他们）。因此，只需一个人计划识别图像中的对象并使用基于快速区域的CNN（FRCNN）对其进行标记。在我的部分，我必须通过考虑它们之间的关系，基于那些图像标签（FRCNN的输出计划作为我的RNN的输入）实现有意义的描述。
目前，我计划实施一个递归神经网络（RNN）来生成描述。但是我怀疑是否可以在给出一组单词（图像标签名称）作为输入时使用RNN生成描述。因为RNN主要用于具有序列的用例，如果我只给出标签名称，它是否能够通过考虑它们之间的关系来生成描述？
如果没有人可以请告诉我实施此方法的最佳方式是什么？
PS：我对机器学习非常陌生，希望能有一个明确的想法来找到更好的解决方案。答案 0 :(得分：0)
其实我现在也在学习RNN。我相信，如果图像有意义，可以从一张图片中生成一个句子来描述它。
我将与您分享一些我认为有用的材料